基于YOLOv3和deep_sort的多目标跟踪

最新推荐文章于 2024-06-07 21:09:07 发布

世界i

最新推荐文章于 2024-06-07 21:09:07 发布

阅读量3.4w

点赞数 22

分类专栏： DL C++ 文章标签： MOT YOLOv3 Deep_sort

本文链接：https://blog.csdn.net/weixin_42755375/article/details/85723239

版权

9 篇文章 3 订阅

订阅专栏

8 篇文章 0 订阅

订阅专栏

在Windows下用python实现的MOT，参考的这个GitHub https://github.com/Qidian213/deep_sort_yolov3

YOLOv3用于检测，deep_sort主要是Kalman滤波+匈牙利匹配算法。改天再写一篇关于deep_sort原理的的blog，先实现一哈，看看效果。

下面把我的流程说一下：

我们需要的环境Numpy、sklean、OpenCV就不用说了，还有TensorFlow-gpu、Keras等等，有可能之前有的环境配置好了，也有可能版本不兼容，具体运行代码的时候根据错误具体解决即可。
下载yolov3.weights，将权重转换为yolo.h5模型（这里需要自己转，因为你的TensorFlow版本不一样），推荐另外一个GitHub https://github.com/qqwweee/keras-yolo3，下载下来，cmd切换到文件目录，运行下面指令
```
python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
```
然后把model_data文件夹里面的yolo.h5复制到第一个GitHub项目的model_data文件夹中（至于为什么不用第一个GitHub里面的convert.py转换，因为没成功，可能是有点问题）
生成mars-small128.pb文件，这个是表观特征，跟踪时做特征匹配用的（也因为TensorFlow版本问题，需要自己生成），推荐第三个GitHub https://github.com/nwojke/deep_sort，下载下来，cmd切换到文件目录，运行下面指令
```
python tools/freeze_model.py
```
然后和第二步一样，把mars-small128.pb文件复制到第一个GitHub项目的model_data文件夹中。
在demo.py里面修改一下视频路径，直接运行即可。

fps在10-12之间。

关注